在高斯-马尔可夫偏离下的有限时段 LQ 游戏中的预测补偿

本文发展了针对离散时间线性二次动态博弈的预测补偿框架，博弈中存在高斯-马尔可夫执行偏离反馈纳什策略的情况。一名玩家的控制受到以一阶自回归（AR(1)）过程建模的时相关随机扰动的干扰，而对手玩家可因果获取过去偏离信息，并采用能预见其未来影响的预测前馈策略。我们推导了在受扰动闭环系统下的均值和协方差传播的闭式递推式，建立了平衡轨迹的有界性和灵敏度性质，表征了通过最优预测补偿实现的期望成本降低。数值实验验证了理论结果，并在不同扰动持久性水平下显示出相对于名义纳什反馈的性能提升。